close

雲端服務

人工智能最新產品雲端服務

Broadcom 預期邊緣運算 AI 勢成大器,推新 VMware VeloCloud Edge 實現軟件定義邊緣

疫情期間,各行各業都深切體會到遙距工作的重要性,雲端數據呈爆炸性增長。雖然目前數據多半於中央數據中心處理,但業界預計及至 2025 年,75% 數據將於中央數據中心以外的位置產生,將數據傳回數據中心再運算工作負載未必是最理想和高效率的做法。

而軟件定義邊緣(Software-defined Edge)因其分散式數碼基礎架構,可於不同地點連接、保護和運行工作負載。如此一來,除可更接近產生數據的終端,實現近乎即時的迅速分析與回應速度,更可延伸至用戶和裝置的所在地,讓用戶無論在辦公室、訊號站、零售商店或廠房均可遙距管理。

試想像一下,那些在偏遠地區廠房生產線的自動化工作負載,例如工業控制系統,一般皆可透過協調而無須人手管理,一旦工作流程出了問題,想直接在邊緣上以 AI 進行閉路電視的影像分析時,不必將所有閉路電視的記錄上傳到雲端再進行分析,而是能在數千公里外的總部直接遙距操作邊緣運算,效率自然高出許多。

全新 VMware VeloCloud Edge加速投入邊緣人工智能

為實行軟件定義邊緣,Broadcom 分別覆蓋包括承載應用和工作負載的頂端邊緣運算層、運行 WAN 連接和保安服務的智能覆蓋層,以及跨固網和 5G 網絡的底部網絡層(可運行網絡連接軟件、提供協調性和網絡編程化)。

而新發佈的 VMware VeloCloud Edge,即可支援固網無線接入(FWA)和衛星連接,即使遠在非洲偏遠地區的廠房生產線,亦可經由 Starlink 連接,為營運技術( OT)裝置及 AI 和非 AI 邊緣工作負載,提供關鍵的混合連接,讓企業能於數分鐘內建立起可支援未來工作負載的邊緣網絡。

有鑑未來的邊緣運算和邊緣人工智能工作負載,需要比以往更強的連接能力。Broadcom 於 Explore 大會上宣佈為 VMware VeloCloud Edge 710 帶來多項改良,並推出全新 VMware VeloCloud Edge 720 及 740。

VeloCloud Edge 710 兼備寬頻、固網無線接入以及衛星連接,助企業大幅改善即時語音、視訊和應用的流量,提升邊緣的連接能力。此功能集多種連接方式於一身,為企業的邊緣裝置和工作負載提供冗餘和全天候的連接性能。此外,通訊服務供應商(CSP)可以使用 VeloCloud Edge 710、720 和 740,向企業客戶提供綜合 SD-WAN、固網無線接入和衛星連接的高品質方案,協助邊緣部署,以獲取服務收入。

新方案為企業提供各種需求級別的邊緣連接,並透過 VeloCloud SD-WAN 和 VMware Telco Cloud Platform,讓通訊服務供應商從網絡中獲得洞察,從而協調 WAN 的實時效能。據悉,單就 VMware SD-WAN Edge 710-5G,入門型號已可提供高達 1G 吞吐量,不但效能性價比更高,同時亦可由 VMware Edge Cloud Orchestrator 中央管理,並已整合基於 AI 的 VMware Edge Intelligence,提供網絡透明度與分析能力。

read more
人工智能雲端服務

阿里雲助奧運邁向轉播新里程 多鏡頭回放系統提供定格慢動作回放

近日全城熱話均離不開奧運盛事,IT 界亦不例外,像游泳賽事直播中,便能看到螢幕上有人工智能(AI)分析每條賽道選手實況的畫面。事實上,NBA 與足球賽事早年已採納 AI 輔助判決,相信 AI 在今屆巴黎奧運所扮演的角色更重磅。

AI 回放系統帶來更佳觀賽體驗 

在巴黎奧運期間,OBS 多鏡頭回放系統(OBS Multi-Camera Replay Systems)將支援運動員表現的定格慢動作回放,讓資深體育愛好者可以深入分析運動員的動作。對於一般觀眾而言,重播功能可成為科普素材,幫助他們深入理解賽事的關鍵時刻。 

本屆奧運部署 17 套多鏡頭回放系統,全部由阿里雲提供,橫跨 14 個場館,涵蓋 21 個體育項目,包括七人欖球、羽毛球、田徑、籃球、沙灘排球、乒乓球、摔跤、網球、柔道、霹靂舞、自由式小輪車和滑板。當賽事影像傳送上雲端後,阿里雲 AI 驅動的運算能力可實現即時空間重建和 3D 渲染。其後,經過挑選的精彩時刻將透過直播或非直播的方式重播。精彩時刻只需數秒即可在雲端生成,並將無縫融入賽事的現場直播中。

此外,多平台奧林匹克視頻播放器(OBS Olympic Video Player,OVP)也將借助阿里雲的基礎設施,首次支援超高清直播。該服務為持權媒體機構,尤其是中小型機構,提供一站式解決方案,讓這些機構無須進行複雜的內部開發,即可向觀眾提供高品質的影片內容。

阿里雲攜手OBS為巴黎奧運會推出AI驅動的奧林匹克轉播雲3.0

 

AI 驅動雲技術取代東京奧運衛星傳輸方式

除協助分析運動員和賽事,觀眾更關心的相信是賽事直播的流暢度。阿里雲與奧林匹克廣播服務公司(OBS)便針對 2024 巴黎奧運會,推出奧林匹克轉播雲 3.0(OBS Cloud 3.0)。新方案結合了 AI 驅動的雲技術,其「奧運雲直播」(OBS Live Cloud)更於奧運會歷史上,首次成為持權媒體遠程分發的主要方式,取代了 1964 年東京奧運會期間,啟用的衛星傳輸方式。

據悉,本屆奧運已預訂的遠程服務中,三分之二(涉及 54 家轉播機構)已使用「奧運雲直播」,另 379 個串流頻道和 100 個音頻訊號,亦將透過「雲直播」傳輸。

透過雲端傳輸內容,具有低延時和高靈活性的優點,在可擴展性、彈性和成本方面,無疑勝過其他傳輸方式。而在實現這項技術突破前,轉播機構必須依賴專用且昂貴的國際電訊光纖電路,並花費大量時間搭建設備,才能將跨越大半個地球的直播畫面傳送到接收點。

OBS 行政總裁 Yiannis Exarchos 表示:「全球約有一半人口將會觀看奧運, 像阿里雲這樣的技術,能夠幫助我們說好世界上最傑出運動員的故事,同時以鼓舞人心的方式將世界緊密連接在一起。」 

簡化遠程製作工作流程便利不同媒體平台

OBS 的內容分發平台 Content+早前已全部遷移至阿里雲上,並將持續簡化遠程製作的工作流程,確保現場直播、運動員採訪、幕後花絮和社交媒體內容等實現無縫傳輸。 

阿里雲海外業務事業部總裁袁千表示:「我們很高興見證奧運轉播從 2020 東京奧運會,到 2024 年巴黎奧運會所經歷的技術演進。阿里雲 和 OBS 的合作加強了我們致力於改善奧運會觀眾體驗的承諾,將技術創新轉化為具體應用並帶來實際成效。」

OBS 預計將為本屆奧運會製作超過 11,000 小時的內容,比 2020 東京奧運會增加 15%。優化後的雲端平台能簡化遠程製作的工作流程,並確保奧運會期間的內容傳輸不受干擾。 

Content+的新功能可讓持權媒體機構在更短的時間內,於全球任何地點製作自己的精華片段。且內容有三種不同的清晰度可供下載,便利線性電視轉播、數碼平台及/或社交媒體使用。

read more
人工智能科技專欄雲端服務

結合無伺服器雲運算 開拓 AI 未來之路

自 ChatGPT 問世以來,各行各業都在躍躍欲試開發或應用生成式 AI。公眾對 AI 寄予厚望,但由於其高昂的成本和技術的複雜性,究竟如何讓 AI 發揮作用,是時下大眾關注的焦點。 

AI 憑藉強大的性能和一致性,能夠發現人類可能會錯過或者忽視的東西,因此具有強大潛力。但歸根結底,研發 AI 的基礎是數據。

也就是說,恰當地處理和保護數據至關重要。數據不僅是整個 IT 基礎設施的命脈,也是所有創新的基礎。作為生成式 AI 基礎設施的一部分,數據庫在不斷發展以適應生成式 AI 時代企業的需求。AI 的有效性取決於企業如何選擇恰當的數據庫來管理數據。

常用數據庫模型

在線交易處理(Online Transaction Processing,OLTP)數據庫是一種支持實施事務處理的數據庫系統架構,令企業能夠處理大量用戶同時進行的並發交易,例如在網上銀行交易、線上購物等。

此外,在線分析處理(On-Line Analytical Processing,OLAP)技術能夠整合交易數據,更能幫助整合多個來源的數據,因此可從多維度對數據進行快速而深入的交互式分析。此技術極大地提高了企業的分析效率。舉例來說,零售商可以將其庫存數據與客戶購買行為數據結合起來,依此判斷是否需要增加某種特定商品的生產量。

AI 時代的新興數據庫模型

隨著 AI 時代的到來,我們預計向量數據庫模型將最具變革性。

向量數據庫是用於配合大語言模型,通過將非結構化數據轉化為高維向量,為「智能工作負載」提供所需的數據高效管理。預計到 2050 年,包括文件、圖像、音頻錄製、影片等在內的非結構化數據,將佔據全球數據的 80%。彼時,AI 預計將實現更高階的語義理解,即理解潛在的語境和語義的細微差別,而非單純的字面含義。

AI 的終極目標是要理解和利用數據,而向量數據庫是提升大型語言模型行業特定知識的一個關鍵要素。例如,網絡遊戲公司可透過使用向量數據庫解決方案,創建能夠與人類玩家互動的智能非玩家角色(NPC)。這些 NPC 不只是按照預設腳本對話,而是會根據對玩家交流內容的實時理解做出反應,令互動更加真實。

兼顧成本與效益

當然,AI 的潛力不僅限於遊戲應用,甚至不止於理解和處理非結構化數據。

AI 還可被用於管理數據庫。當存儲空間不足時,AI 可以向系統管理員發出警報,提醒關注存儲需求並詢問是否需要擴展存儲空間。若獲得授權,AI 還能自動擴展存儲空間。同樣的功能也可應用於 CPU 容量、存儲容量以及其他功能上。

過去購買雲端服務產品時,必須預設一組伺服器資源,但這將帶來一定的成本。當預設的伺服器容量超過實際工作負載所需的量時,就會造成伺服器資源的浪費。

無伺服器運算旨在解決這一挑戰,確保雲服務所使用的伺服器容量精確地匹配工作負載的需求,並且能隨著工作負載動態變化進行適應。

透過將 AI 與無伺服器雲運算相結合,可實現兩者優勢的完美結合。AI 能夠增強企業決策能力,以應對突發的高增需求或動態變化的工作負載。企業亦只需按實際所需的資源數量付費,降低使用成本。

企業是否能夠把握住當下的 AI 趨勢,在競爭中脫穎而出,關鍵在於如何有效地利用適當的數據庫,以充分發揮 AI 的潛力和優勢。

撰文:阿里雲數據庫產品事業部總裁李飛飛博士

read more